CN111275658A - 一种摄像头遮挡检测的方法和系统 - Google Patents
一种摄像头遮挡检测的方法和系统 Download PDFInfo
- Publication number
- CN111275658A CN111275658A CN201811464970.1A CN201811464970A CN111275658A CN 111275658 A CN111275658 A CN 111275658A CN 201811464970 A CN201811464970 A CN 201811464970A CN 111275658 A CN111275658 A CN 111275658A
- Authority
- CN
- China
- Prior art keywords
- color
- image
- information
- camera
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 33
- 239000003086 colorant Substances 0.000 claims description 15
- 238000012545 processing Methods 0.000 description 44
- 230000008569 process Effects 0.000 description 9
- 239000000463 material Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种摄像头遮挡检测的方法和系统。一种摄像头遮挡检测方法,包括:获取图像各像素单元的颜色信息;根据所述图像各像素单元的颜色信息,统计所述图像的颜色种类数量;若所述图像的颜色种类数量小于遮挡临界阈值,则判定拍摄所述图像的摄像头被遮挡,若所述图像的颜色种类数量大于或等于遮挡临界阈值,则判定拍摄所述图像的摄像头不被遮挡。本申请根据单帧图像信息即可检测拍摄该图像的摄像头是否被遮挡,对检测系统的配置要求较低,检测速度较快。
Description
技术领域
本申请涉及图像检测领域,特别涉及一种摄像头遮挡检测的方法和系统。
背景技术
监控、行车记录仪等图像采集设备目前应用越来越广泛。当图像采集设备在进行图像采集时,若摄像头被外界物体(如手、布、挂件等)遮挡,图像采集设备将无法监控到真实场景,从而无法获取真实的现场情况。如果不能及时发现遮挡的发生,有可能会产生一系列安全隐患。因此,有必要提供一种摄像头遮挡检测的方法和系统,使摄像头在被遮挡时可以及时被发现。
发明内容
本发明实施例之一提供一种摄像头遮挡检测方法,包括:获取图像各像素单元的颜色信息;根据所述图像各像素单元的颜色信息,统计所述图像的颜色种类数量;若所述图像的颜色种类数量小于遮挡临界阈值,则判定拍摄所述图像的摄像头被遮挡,若所述图像的颜色种类数量大于或等于遮挡临界阈值,则判定拍摄所述图像的摄像头不被遮挡。
在一些实施例中,所述图像各像素单元的颜色信息包括:图像各像素单元在HSV颜色空间下的色调信息和饱和度信息。
在一些实施例中,根据所述图像各像素单元的颜色信息,统计所述图像的颜色种类数量包括:将HSV颜色空间下的色调和饱和度分别划分为多个等级,每种等级的色调和饱和度分别对应一种颜色种类;根据所述图像各像素单元在HSV颜色空间下的色调信息和饱和度信息,确定所述图像的颜色种类数量,其中所述图像的每种颜色种类对应的像素单元数量大于噪声阈值。
在一些实施例中,所述色调被划分为8-16个等级,所述饱和度被划分为8个等级。
在一些实施例中,所述噪声阈值大于等于0,小于等于所述图像的像素单元总数量的1%。
在一些实施例中,所述遮挡临界阈值为颜色种类总数量的20%-30%,其中,所述颜色种类总数量为所述色调等级数量和所述饱和度等级数量的乘积。
在一些实施例中,所述图像各像素单元的颜色信息还包括:图像各像素单元在HSV颜色空间下的明度信息。
在一些实施例中,所述图像各像素单元包括:所述图像的每个像素点或每个像素块。
在一些实施例中,所述图像各像素单元的颜色信息包括:图像各像素单元在RGB颜色空间下的红、绿、蓝三色信息。
在一些实施例中,根据所述图像各像素单元的颜色信息,统计所述图像的颜色种类数量包括:将RGB颜色空间下的红、绿、蓝三色分别划分为多个等级,每种等级的红、绿、蓝分别对应一种颜色种类;根据所述图像各像素单元在RGB颜色空间下的红、绿、蓝三色信息,确定所述图像的颜色种类数量,其中所述图像的每种颜色种类对应的像素单元数量大于噪声阈值。
本发明实施例之一提供一种摄像头遮挡检测系统,包括:获取模块、统计模块和判定模块。所述获取模块可以用于获取图像各像素单元的颜色信息;所述统计模块可以用于根据所述图像各像素单元的颜色信息,统计所述图像的颜色种类数量;所述判定模块可以用于:若所述图像的颜色种类数量小于遮挡临界阈值,则判定拍摄所述图像的摄像头被遮挡,若所述图像的颜色种类数量大于或等于遮挡临界阈值,则判定拍摄所述图像的摄像头不被遮挡。
在一些实施例中,所述图像各像素单元的颜色信息包括:图像各像素单元在HSV颜色空间下的色调信息和饱和度信息。
在一些实施例中,所述统计模块进一步包括等级划分单元和颜色种类确定单元;所述等级划分单元用于将HSV颜色空间下的色调和饱和度分别划分为多个等级,每种等级的色调和饱和度分别对应一种颜色种类;所述颜色种类确定单元用于根据所述图像各像素单元在HSV颜色空间下的色调信息和饱和度信息,确定所述图像的颜色种类数量,其中所述图像的每种颜色种类对应的像素单元数量大于噪声阈值。
在一些实施例中,所述色调被划分为8-16个等级,所述饱和度被划分为8个等级。
在一些实施例中,所述噪声阈值大于等于0,小于等于所述图像的像素单元总数量的1%。
在一些实施例中,所述遮挡临界阈值为颜色种类总数量的20%-30%,其中,所述颜色种类总数量为所述色调等级数量和所述饱和度等级数量的乘积。
在一些实施例中,所述图像各像素单元的颜色信息还包括:图像各像素单元在HSV颜色空间下的明度信息。
在一些实施例中,所述图像各像素单元包括:所述图像的每个像素点或每个像素块。
在一些实施例中,所述图像各像素单元的颜色信息包括:图像各像素单元在RGB颜色空间下的红、绿、蓝三色信息。
在一些实施例中,所述统计模块进一步包括等级划分单元和颜色种类确定单元;所述等级划分单元用于将RGB颜色空间下的红、绿、蓝三色分别划分为多个等级,每种等级的红、绿、蓝分别对应一种颜色种类;所述颜色种类确定单元用于根据所述图像各像素单元在RGB颜色空间下的红、绿、蓝三色信息,确定所述图像的颜色种类数量,其中所述图像的每种颜色种类对应的像素单元数量大于噪声阈值。
本发明实施例之一提供一种摄像头遮挡检测装置,包括处理器,所述处理器可以用于执行摄像头遮挡检测方法。
本发明实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行摄像头遮挡检测方法。
附图说明
本申请将以示例性实施例的方式进一步描述,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本申请一些实施例所示的摄像头遮挡检测系统的应用场景示意图;
图2是根据本申请一些实施例所示的摄像头遮挡检测系统的模块图;
图3是根据本申请一些实施例所示的摄像头遮挡检测方法的示例性流程图;
图4是根据本申请一些实施例所示的在HSV颜色空间下图像颜色种类数量确定方法的示例性流程图;
图5是根据本申请一些实施例所示的在RGB颜色空间下图像颜色种类数量确定方法的示例性流程图;
图6是根据本申请一些实施例所示的摄像头被遮挡时所拍摄的图像示例;
图7是根据本申请一些实施例所示的图6中图像示例的颜色种类统计直方图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模组”系用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其他的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各种步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1所示为根据本申请一些实施例所示的摄像头遮挡检测系统的应用场景示意图。在一些实施例中,摄像头遮挡检测系统100可以是用于采集、分析图像数据的监控平台,或是用于提供线上-线下服务的服务平台(如网约车服务平台)等。在一些实施例中,该摄像头遮挡检测系统100可以是一个线上服务平台,包含服务器110、网络120、终端130及数据库140。该服务器110可包含处理设备112。
在一些实施例中,服务器110可以用于处理与摄像头遮挡检测相关的信息和/或数据。服务器110可以是独立的服务器或者服务器组。该服务器组可以是集中式的或者分布式的(如:服务器110可以是分布系统)。在一些实施例中,该服务器110可以是区域的或者远程的。例如,服务器110可通过网络120访问存储于终端130和/或数据库140的信息和/或资料。在一些实施例中,服务器110可直接与终端130和/或数据库140连接以访问存储于其中的信息和/或资料。在一些实施例中,服务器110可在云平台上执行。例如,该云平台可包括私有云、公共云、混合云、社区云、分散式云、内部云等中的一种或其任意组合。
在一些实施例中,服务器110可包含处理设备112。该处理设备112可处理与摄像头遮挡检测有关的数据和/或信息以执行一个或多个本申请中描述的功能。例如处理设备112可基于从终端130获取的图像,检测拍摄该图像的摄像头是否被遮挡。在一些实施例中,处理设备112可包含一个或多个子处理设备(如:单芯处理设备或多核多芯处理设备)。仅仅作为范例,处理设备112可包含中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
网络120可促进数据和/或信息的交换。在一些实施例中,摄像头遮挡检测系统100中的一个或多个组件(如:服务器110、终端130和数据库140)可通过网络120发送数据和/或信息给摄像头遮挡检测系统100中的其他组件。例如,服务器110可通过网络120从终端130获取/获得图像数据。在一些实施例中,网络120可以是任意类型的有线或无线网络。例如,网络120可包括一缆线网络、有线网络、光纤网络、电信网络、内部网络、网际网络、区域网络(LAN)、广域网络(WAN)、无线区域网络(WLAN)、都会区域网络(MAN)、公共电话交换网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或以上任意组合。在一些实施例中,网络120可包括一个或多个网络进出点。例如,网络120可包含有线或无线网络进出点,如基站和/或网际网络交换点120-1、120-2、…,通过这些进出点,摄像头遮挡检测系统100的一个或多个组件可连接到网络120上以交换数据和/或信息。
在一些实施例中,终端130可包括监控装置130-1、移动装置130-2、摄影装置130-3、摄像装置130-4等一种或多种的任意组合。在一些实施例中,监控装置130-1可以包括球形摄像机、半球摄像机、监控摄像机、行车记录仪等一种或多种的任意组合。在一些实施例中,移动装置130-2可以包括智能摄像机、智能眼镜、智能头盔、手机、平板等一种或多种的任意组合。在一些实施例中,摄影装置130-3可以包括数码相机、单反相机、微单相机等一种或多种的任意组合。在一些实施例中,摄像装置130-4可以包括录像机、摄像机等一种或多种的任意组合。在一些实施例中,终端可以包括任何带有摄像头的装置。摄像头可以包括任何具有图像捕捉功能的装置。
数据库140可存储资料和/或指令。在一些实施例中,数据库140可存储从终端130获取的图像。在一些实施例中,数据库140可存储供服务器110执行或使用的信息和/或指令,以执行本申请中描述的示例性方法。在一些实施例中,数据库140可包括大容量存储器、可移动存储器、挥发性读写存储器(例如随机存取存储器RAM)、只读存储器(ROM)等或以上任意组合。在一些实施例中,数据库140可在云平台上实现。例如,该云平台可包括私有云、公共云、混合云、社区云、社区云、分散式云、内部云等或以上任意组合。
在一些实施例中,数据库140可与网络120连接以与摄像头遮挡检测系统100的一个或多个部件(如,服务器110、终端130等)通讯。摄像头遮挡检测系统100的一个或多个组件可通过网络120访问存储于数据库140中的资料或指令。在一些实施例中,数据库140可直接与摄像头遮挡检测系统100中的一个或多个组件(如,服务器110、终端130等)连接或通讯。在一些实施例中,数据库140可以是服务器110的一部分。在一些实施例中,摄像头遮挡检测系统100中的一个或多个组件(如,服务器110、终端130等)可具有访问数据库140的权限。
在一些实施例中,摄像头遮挡检测系统100可以是集成在终端130中的系统。例如,摄像头遮挡检测系统100可以是能够检测摄像头是否被遮挡的手机、行车记录仪等。在此实施例中,摄像头遮挡检测系统100可以不包含服务器110和/或网络120和/或数据库140。在此实施例中,处理设备112可以集成在终端130中。例如,处理设备112可以是设置在手机或行车记录仪中等终端130中的处理器。在一些实施例中,终端130中可以包括存储器(例如手机内置存储器)用于存储资料和/或指令和/或图像。
图2所示为根据本申请一些实施例所示的摄像头遮挡检测系统的模块图。如图2所示,该摄像头遮挡检测系统(如处理设备112)可以包括获取模块210、统计模块220和判定模块230。统计模块220可以包括等级划分单元222和颜色种类确定单元224。在一些实施例中,该获取模块210、统计模块220和判定模块230可以包含在图1所示的处理设备112中。
获取模块210可以用于获取用于摄像头遮挡检测的图像和/或数据信息。在一些实施例中,获取模块210可以获取图像各像素单元的颜色信息。在一些实施例中,获取模块210可以获取摄像头所拍摄的图像。例如,获取模块210可以通过网络120获取由终端130传输的图像。又例如,获取模块210可以设置在终端130中,直接通过终端130内部的数据传输结构获取终端130的摄像头所拍摄的图像。在一些实施例中,获取模块210可以获取图像各像素单元的颜色信息。在一些实施例中,获取模块210可以获取像素单元在某颜色空间下的部分或全部信息。例如,获取模块210可以获取图像各像素单元在HSV颜色空间下的色调信息、饱和度信息和/或明度信息。又例如,获取模块210可以获取图像各像素单元在RGB颜色空间下的红、绿、蓝三色信息。
统计模块220可以用于根据图像各像素单元的颜色信息,统计图像的颜色种类数量。在一些实施例中,统计模块220(如等级划分单元222)可以将颜色信息划分为多个颜色种类,并统计该图像中所出现的颜色种类的数量。例如,统计模块220(如等级划分单元222)可以在HSV空间下根据色调、饱和度和/或明度信息将颜色信息划分为多个颜色种类。又例如,统计模块220(如等级划分单元222)可以在RGB空间下根据红、绿、蓝三色将颜色信息划分为多个颜色种类。在一些实施例中,统计模块220(如颜色种类确定单元224)可以根据图像各像素单元在HSV空间下的颜色信息,确定图像的颜色种类数量。在一些实施例中,统计模块220(如颜色种类确定单元224)可以根据图像各像素单元在RGB颜色空间下的颜色信息,确定图像的颜色种类数量。
判定模块230可以用于判定拍摄该图像的摄像头是否被遮挡。在一些实施例中,判定模块230可以用于判断图像的颜色种类数量是否小于遮挡临界阈值。在一些实施例中,判定模块230可以用于根据图像的颜色种类是否小于遮挡临界阈值而判定拍摄所述图像的摄像头被遮挡或不被遮挡。
应当理解,图2所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,以上对于摄像头遮挡检测系统及其模块的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,在一些实施例中,获取模块210、统计模块220和判定模块230可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,统计模块220和判定模块230也可以是一个模块同时具有统计和判定功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本申请的保护范围之内。
图3所示为根据本申请一些实施例所示的摄像头遮挡检测方法的示例性流程图。如图3所示,摄像头遮挡检测方法300可以包括:
步骤310,获取图像各像素单元的颜色信息。具体的,步骤310可以由处理设备112(如获取模块210)执行。
在一些实施例中,获取模块210可以获取摄像头所拍摄的图像。例如,获取模块210可以通过网络120获取由终端130传输的图像。又例如,获取模块210可以设置在终端130中,直接通过终端130内部的数据传输结构获取终端130的摄像头所拍摄的图像。
在一些实施例中,处理设备112可以对所获取的图像进行预处理。其中,对所获取的图像进行预处理可以包括去噪处理、模糊化处理等一种或多种的组合。例如,处理设备112可以对所获取的图像进行去噪处理,去除图像中尖锐的噪点,从而使图片更加平滑。在一些实施例中,对图像进行去噪处理可以降低图像中噪点对检测结果的影响。又例如,处理设备112可以对所获取的图像进行模糊化处理。对图像进行模糊化处理可以包括增大图像的最小像素单元和/或降低图像分辨率。例如,在一些实施例中,处理设备112可以使图像中的多个像素点(如4个、9个、16个等)组成一个像素块,并使该像素块的颜色信息统一。如可以使该像素块的颜色信息为其中所有像素点的颜色信息的平均值;或者可以使该像素块的颜色信息为其中心像素点的颜色信息。在一些实施例中,像素单元可以包括像素点和/或像素块。在一些实施例中,对图像进行模糊化处理可以降低图像所占存储空间的大小,减小后续处理的数据量,从而提升处理速度。在一些实施例中,经过处理设备112预处理后的图像可以由多个相同的像素块组成;或者可以由不同的像素块组成;或者也可以由像素块和像素点混合组成。在本申请中,像素点是指在由一个数字序列表示的图像中的一个最小单位。每个像素点可以是一个单一颜色的小方格。
在一些实施例中,获取模块210可以获取图像各像素单元的颜色信息。其中,图像可以是摄像头拍摄的未经预处理的图像;也可以是经由处理设备112预处理后的图像。在一些实施例中,图像的各像素单元可以包括图像的每个像素点和/或每个像素块。在一些实施例中,颜色信息可以包括在HSV颜色空间(色调(或颜色)Hue,饱和度Saturation,明度(或亮度)Value)下的信息,或者在RGB颜色空间(红Red,绿Green,蓝Blue)下的信息,或者以上任意组合。在一些替代性实施例中,颜色信息还可以包括在其他颜色空间下(如YUV颜色空间)的信息。在一些实施例中,获取模块210可以获取像素单元在某颜色空间下的部分或全部信息。例如,获取模块210可以获取图像各像素单元在HSV颜色空间下的色调信息、饱和度信息和/或明度信息。又例如,获取模块210可以获取图像各像素单元在RGB颜色空间下的红、绿、蓝三色信息。
步骤320,根据图像各像素单元的颜色信息,统计图像的颜色种类数量。具体的,步骤320可以由处理设备112(如统计模块220)执行。
在一些实施例中,统计模块220可以将颜色信息划分为多个颜色种类,并统计该图像中所出现的颜色种类的数量。例如,统计模块220可以在HSV空间下根据色调、饱和度和/或明度信息将颜色信息划分为多个颜色种类。同时,统计模块220可以根据图像各像素单元在HSV空间下的相应颜色信息,确定图像的颜色种类数量。图像在HSV颜色空间下颜色种类数量的确定方法可以参见图4所示。又例如,统计模块220可以在RGB空间下根据红、绿、蓝三色将颜色信息划分为多个颜色种类。同时,统计模块220可以根据图像各像素单元在RGB颜色空间下的相应颜色信息,确定图像的颜色种类数量。图像在RGB颜色空间下颜色种类数量的确定方法可以参见图5所示。
步骤330,判断图像的颜色种类数量是否小于遮挡临界阈值。具体的,步骤330可以由处理设备112(如判定模块230)执行。
在一些实施例中,若摄像头被遮挡,其所拍摄的图像的颜色信息将会比较单一,从而图像的颜色种类数量会相对较少。因此,在一定程度上,可以通过判断图像的颜色种类数量情况来判定摄像头是否被遮挡。在一些实施例中,可以设定遮挡临界阈值,当图像颜色种类数量小于该遮挡临界阈值时即判定拍摄该图像的摄像头被遮挡。在一些实施例中,遮挡临界阈值的设定可以与颜色种类的总数量有关。颜色种类总数量可以表示颜色信息在某颜色空间下被划分成的颜色种类的数量。例如,在HSV颜色空间下,可以将色调和饱和度划分为多个等级,每种等级的色调和饱和度分别对应一种颜色种类,则颜色种类总数量即为色调等级数量和饱和度等级数量的乘积。具体的例如,在HSV颜色空间下,色调可以被划分为16个等级,饱和度可以被划分为8个等级,则颜色种类总数量为两者的乘积,即16*8=128。在一些实施例中,遮挡临界阈值可以是颜色种类总数量的一定比例。例如,遮挡临界阈值可以为颜色种类总数量的20%-30%(如20%、22%、25%、27%、30%等)或者与之最接近的整数。在一些实施例中,遮挡临界阈值可以根据环境的不同而进行适应性调整。例如,当摄像头在光线比较充足的情况下(如晴天等)使用时,图像的颜色信息一般会比较丰富,因此,可以将遮挡临界阈值调高(如设定为30%)。又例如,当摄像头在光线不太充足的情况下(如阴天、夜晚等)使用时,图像的颜色信息相对不太丰富,此时可以将遮挡临界阈值调低(如设定为20%)。值得注意的是,以上关于遮挡临界阈值的取值范围(颜色种类总数量的20%-30%)仅仅作为优选实施例,并不用于限定本申请的保护范围,在实际中,遮挡临界阈值有可能取其他数值,例如颜色种类总数量的15%、35%等。
如图3所示,当判定模块230判断图像的颜色种类数量小于遮挡临界阈值时,则转到步骤340,即判定拍摄所述图像的摄像头被遮挡。当判定模块230判断图像的颜色种类数量大于或等于遮挡临界阈值时,则转到步骤350,即判定拍摄所述图像的摄像头不被遮挡。
步骤340,判定拍摄所述图像的摄像头被遮挡。具体的,步骤340可以由处理设备112(如判定模块230)执行。
在一些实施例中,当判定模块230判定拍摄所述图像的摄像头被遮挡时,表示该摄像头的大部分(如80%、90%等)或全部的拍摄面积被遮挡。此时,处理设备112可以执行一些相应的提醒操作以解决该遮挡问题。例如,当处理设备112设置在服务器110中时,处理设备112可以通过网络120向终端130(如手机、行车记录仪等)发送遮挡提醒指令。终端130在接收到遮挡提醒指令后,可以通过播放声音、发光、震动等方式向用户(如手机用户、行车记录仪所在车的司机等)发出提醒,从而获得用户的注意,让用户解决该遮挡问题。又例如,当处理设备112设置在终端130(如手机、行车记录仪)中时,处理设备112可以直接通过控制终端130中的相应提醒装置(例如蜂鸣器、发光二极管、震动装置等)向用户发出提醒,从而引导用户解决该遮挡问题。
在一些实施例中,处理设备112可以定期(如每隔1秒、5秒、10秒、30秒、1分钟、5分钟、30分钟等)通过执行摄像头遮挡检测方法300以检测摄像头是否被遮挡。在一些实施例中,处理设备112可以根据不同情况对检测频率进行调整。例如,当摄像头在光线不太充足的情况下(如阴天、夜晚等)时,处理设备112可以增加摄像头遮挡检测的频率。又例如,对于容易出问题的摄像头(例如,曾经发生过遮挡的摄像头)或者重要性较高的摄像头(例如,用于监控交通要道的摄像头),处理设备112可以增加该摄像头遮挡检测的频率。
在一些实施例中,为防止误提醒,处理设备112可以在判定模块230连续多次判定摄像头被遮挡时再执行提醒操作。例如,当判定模块230第一次判定摄像头被遮挡时,处理设备112仅记录该遮挡情形但不进行提醒操作,同时,处理设备112可以间隔一定时间(如1秒、10秒、30秒、60秒等)再次进行遮挡检测,只有当连续多次(如3次、5次等)的遮挡检测结果均为摄像头被遮挡时,处理设备112才执行相应的提醒操作。
步骤350,判定拍摄所述图像的摄像头不被遮挡。具体的,步骤350可以由处理设备112(如判定模块230)执行。当判定模块230判定拍摄所述图像的摄像头不被遮挡时,表示该摄像头完全没有被遮挡或者被遮挡的面积较少(如少于20%、30%等)。在这种情况下,该摄像头一般可以正常使用。
图4所示为根据本申请一些实施例所示的在HSV颜色空间下图像颜色种类数量确定方法的示例性流程图。如图4所示,在HSV颜色空间下图像颜色种类数量确定方法可以包括:
步骤410,将HSV颜色空间下的色调和饱和度分别划分为多个等级,每种等级的色调和饱和度分别对应一种颜色种类。具体的,步骤410可以由等级划分单元222执行。
在一些实施例中,等级划分单元222可以在HSV颜色空间下,根据颜色信息中色调信息和饱和度信息划分等级。例如,等级划分单元可以将色调划分为8-16个等级(如8、10、12、16个等级等)。又例如,等级划分单元可以将饱和度信息划分为4-16个等级(如4、6、8、10、12、16个等级等)。在一些实施例中,当色调被划分为16个等级,饱和度被划分为8个等级时,每种等级的色调和饱和度分别对应一种颜色种类,则一共可以形成128种颜色种类。
在一些替代性实施例中,等级划分单元222可以在HSV颜色空间下,根据颜色信息中色调信息、饱和度信息和明度信息中的一种或多种的组合进行等级划分。例如,等级划分单元222可以仅根据色调信息进行等级划分(如将色调信息划分为64个等级)。例如,等级划分单元222可以仅根据饱和度信息进行等级划分(如将饱和度信息划分为64个等级)。例如等级划分单元222可以根据色调信息和明度信息的结合进行等级划分(如将色调信息划分为16个等级,将明度信息划分为4个等级)。又例如,等级划分单元222可以根据色调信息、饱和度信息和明度信息的结合进行等级划分。具体的如,可以将色调信息划分为8-16个等级,将饱和度信息划分为4-8个等级,将明度信息划分为2-4个等级。
步骤420,根据图像各像素单元在HSV颜色空间下的色调信息和饱和度信息,确定图像的颜色种类数量。具体的,步骤420可以由颜色种类确定单元224执行。
在一些实施例中,颜色种类确定单元224可以遍历图像的每个像素单元,并确定每个像素单元的色调信息和饱和度信息。颜色种类确定单元224还可以确定每个像素单元的色调信息所对应的色调等级,以及确定每个像素单元的饱和度信息所对应的饱和度等级。颜色种类确定单元224可以根据每个像素单元所对应的该色调等级和饱和度等级,确定每个像素单元所对应的颜色种类。
在一些实施例中,图像的每种颜色种类对应的像素单元数量大于噪声阈值。例如,当图像中仅有少量(如,小于或等于噪声阈值)像素单元(像素点和/或像素块)的颜色信息属于某一种颜色种类时,可以将该颜色种类作为噪声去除,在统计图像颜色种类数量时不统计在内。通过设定噪声阈值,可以降低图像中噪声(例如,图像中的噪点)对检测结果的影响。在一些实施中,噪声阈值可以是像素单元总数量的一定比例。例如,噪声阈值可以为大于等于0,小于等于图像像素单元总数量的1%的任一数值。一般情况下,若某种颜色种类对应的像素单元数量大于图像像素单元总数量的1%,则一般不会将其视为噪声。具体的,噪声阈值可以为0或者图像像素单元总数量的0.01%、0.05%、0.1%、0.5%、1%等等。例如,假设一张图像的分辨率为960*720,则其包含671,200个像素点;又假设其以每9个像素点所组成的像素块作为像素单元进行处理,则该图像共有76,800个像素单元;假设噪声阈值为0.1%,76,800*0.1%=76.8,则当某种颜色种类所对应的像素单元小于或等于76时,将该种颜色种类作为噪声去除;换言之,图像的每种颜色种类对应的像素单元数量大于或等于77。又例如,当噪声阈值为0时,在图像中只要有一个像素单元对应于某种颜色种类,则该颜色种类即为该图像的颜色种类在进行数量统计时的其中一种。
在一些实施例中,噪声阈值可以根据不同的颜色种类分别进行设定。例如,通过实验或者人为判定等方式,可以确定某些颜色种类对检测结果的影响较大,而其他颜色种类对检测结果的影响较小。则可以将影响较大的颜色种类对应的噪声阈值设置得比其他颜色种类对应的噪声阈值更大(或更小)。
值得注意的是,以上关于噪声阈值的取值范围(大于等于0,小于等于图像像素单元总数量的1%的任一数值)仅仅作为优选实施例,并不用于限定本申请的保护范围。在实际中,该噪声阈值还可以取其他数值,例如,该噪声阈值可以是图像像素单元总数的1.2%、1.5%等等。又例如,在一些实施例中,噪声阈值的取值可以与颜色种类的总数量相关。例如,若颜色种类总数量较少(如只有16种、32种颜色种类等),则相应的噪声阈值可以设置得较大(如1.2%、1.5%等)。
图5所示为根据本申请一些实施例所示的在RGB颜色空间下图像颜色种类数量确定方法的示例性流程图。如图5所示,图像在RGB颜色空间下颜色种类数量确定方法可以包括:
步骤510,将RGB颜色空间下的红、绿、蓝三色分别划分为多个等级,每种等级的红、绿、蓝分别对应一种颜色种类。具体的,步骤510可以由等级划分单元222执行。
在一些实施例中,等级划分单元222可以将红、绿、蓝三色分别划分为相同数量等级。例如,等级划分单元222可以将红、绿、蓝三色中的每种颜色划分为4个等级。具体的,对于红色(颜色值0~255),可以将颜色值为0~63的划分为第一等级,将颜色值为64~127的划分为第二等级,将颜色值为128~191的划分为第三等级,再将颜色值为192~255的划分为第四等级。同样的,对于绿色和蓝色也可以根据相同的方式分别划分为4个等级。在本实施例中,颜色种类总数量即为三种颜色等级数量的乘积,即4*4*4=64种。
在一些实施例中,等级划分单元222可以将红、绿、蓝三色划分为不同数量等级。例如,等级划分单元222可以将红色划分为8个等级,将绿色划分为6个等级,再将蓝色划分为4个等级。则颜色种类总数量即为三种颜色等级数量的乘积,即8*6*4=192种。
步骤520,根据图像各像素单元在RGB颜色空间下的红、绿、蓝三色信息,确定图像的颜色种类数量。具体的,步骤520可以由颜色种类确定单元224执行。
在一些实施例中,颜色种类确定单元224可以遍历图像的每个像素单元,并确定每个像素单元的红、绿、蓝三色信息。颜色种类确定单元224还可以确定每个像素单元的红、绿、蓝三色信息所对应的等级。颜色种类确定单元224可以根据每个像素单元所对应的红、绿、蓝三色信息的等级,确定该每个像素单元所对应的颜色种类。在一些实施例中,图像的每种颜色种类对应的像素单元数量大于噪声阈值。此处所涉及的噪声阈值与图4中所描述的噪声阈值类似,在此不再赘述。
值得注意的是,以上所述仅表示本申请的优选实施例,并不能限定本申请的保护范围。在一些替代性实施例中,等级划分单元222可以只根据RGB颜色空间下的一种颜色信息(如红、绿或蓝)或两种颜色信息(如红和绿、红和蓝、或绿和蓝)进行等级划分。颜色种类确定单元224可以根据图像各像素单元的相应颜色信息,确定图像的颜色种类数量。在一些实施例中,等级划分单元222可以根据RGB颜色空间下的颜色信息与HSV颜色空间下的颜色信息的结合进行等级划分。例如,等级划分单元222可以将RGB颜色空间下的红、绿、蓝三色信息分别划分为4个等级,再将HSV颜色空间下的明度信息划分为2个等级,从而获得颜色种类总数量为4*4*4*2=128种。
图6所示为根据本申请一些实施例所示的摄像头被遮挡时所拍摄的图像示例。如图6所示,该图像是像素为900*800的图像,从肉眼看,可以较明显分辨出拍摄该图像的摄像头被遮挡。在本实施例中,以每4个像素点所组成的像素块作为像素单元进行处理,则该图像共有180,000个像素单元。在本实施例中,进一步以HSV颜色空间下的颜色种类数量确定方法进行颜色种类划分及图像颜色种类确定。将HSV颜色空间下的色调信息划分为16个等级,饱和度信息划分为8个等级,则颜色种类总数量为128。设定噪声阈值为0.01%,180,000*0.01%=18,则图像的每种颜色种类对应的像素单元数量需大于或等于18个。关于该图像示例的颜色种类统计直方图可以具体参见图7。
图7所示为根据本申请一些实施例所示的图6中图像示例的颜色种类统计直方图。如图7所示,其中X轴表示颜色种类(颜色种类总数量为128);Y轴表示每种颜色种类所对应的像素单元数量(若某种颜色种类对应的像素单元数量小于噪声阈值18,则置零)。在本实施例中,该图像的颜色种类为11种(即在该颜色直方图中,有11种颜色种类所对应的像素单元数量大于噪声阈值18),占颜色种类总数量(128)的8.6%。设定遮挡临界阈值为128*25%=32,由于该图像的颜色种类小于遮挡临界阈值,则可以判定拍摄该图像的摄像头被遮挡。
本申请实施例可能带来的有益效果包括但不限于:(1)根据单帧图像信息即可检测拍摄该图像的摄像头是否被遮挡;(2)检测速度较快;(3)对检测系统的配置要求较低;(4)误检测概率较低。需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
Claims (22)
1.一种摄像头遮挡检测方法,其特征在于,包括:
获取图像各像素单元的颜色信息;
根据所述图像各像素单元的颜色信息,统计所述图像的颜色种类数量;
若所述图像的颜色种类数量小于遮挡临界阈值,则判定拍摄所述图像的摄像头被遮挡,若所述图像的颜色种类数量大于或等于遮挡临界阈值,则判定拍摄所述图像的摄像头不被遮挡。
2.如权利要求1所述的摄像头遮挡检测方法,其特征在于,所述图像各像素单元的颜色信息包括:
图像各像素单元在HSV颜色空间下的色调信息和饱和度信息。
3.如权利要求2所述的摄像头遮挡检测方法,其特征在于,根据所述图像各像素单元的颜色信息,统计所述图像的颜色种类数量包括:
将HSV颜色空间下的色调和饱和度分别划分为多个等级,每种等级的色调和饱和度分别对应一种颜色种类;
根据所述图像各像素单元在HSV颜色空间下的色调信息和饱和度信息,确定所述图像的颜色种类数量,其中所述图像的每种颜色种类对应的像素单元数量大于噪声阈值。
4.如权利要求3所述的摄像头遮挡检测方法,其特征在于,所述色调被划分为8-16个等级,所述饱和度被划分为8个等级。
5.如权利要求3所述的摄像头遮挡检测方法,其特征在于,所述噪声阈值大于等于0,小于等于所述图像的像素单元总数量的1%。
6.如权利要求3所述的摄像头遮挡检测方法,其特征在于,所述遮挡临界阈值为颜色种类总数量的20%-30%,其中,所述颜色种类总数量为所述色调等级数量和所述饱和度等级数量的乘积。
7.如权利要求2所述的摄像头遮挡检测方法,其特征在于,所述图像各像素单元的颜色信息还包括:
图像各像素单元在HSV颜色空间下的明度信息。
8.如权利要求1所述的摄像头遮挡检测方法,其特征在于,所述图像各像素单元包括:所述图像的每个像素点或每个像素块。
9.如权利要求1所述的摄像头遮挡检测方法,其特征在于,所述图像各像素单元的颜色信息包括:
图像各像素单元在RGB颜色空间下的红、绿、蓝三色信息。
10.如权利要求9所述的摄像头遮挡检测方法,其特征在于,根据所述图像各像素单元的颜色信息,统计所述图像的颜色种类数量包括:
将RGB颜色空间下的红、绿、蓝三色分别划分为多个等级,每种等级的红、绿、蓝分别对应一种颜色种类;
根据所述图像各像素单元在RGB颜色空间下的红、绿、蓝三色信息,确定所述图像的颜色种类数量,其中所述图像的每种颜色种类对应的像素单元数量大于噪声阈值。
11.一种摄像头遮挡检测系统,其特征在于,包括:获取模块、统计模块和判定模块;
所述获取模块用于获取图像各像素单元的颜色信息;
所述统计模块用于根据所述图像各像素单元的颜色信息,统计所述图像的颜色种类数量;
所述判定模块用于:若所述图像的颜色种类数量小于遮挡临界阈值,则判定拍摄所述图像的摄像头被遮挡,若所述图像的颜色种类数量大于或等于遮挡临界阈值,则判定拍摄所述图像的摄像头不被遮挡。
12.如权利要求11所述的摄像头遮挡检测系统,其特征在于,所述图像各像素单元的颜色信息包括:
图像各像素单元在HSV颜色空间下的色调信息和饱和度信息。
13.如权利要求12所述的摄像头遮挡检测系统,其特征在于,所述统计模块进一步包括等级划分单元和颜色种类确定单元;
所述等级划分单元用于将HSV颜色空间下的色调和饱和度分别划分为多个等级,每种等级的色调和饱和度分别对应一种颜色种类;
所述颜色种类确定单元用于根据所述图像各像素单元在HSV颜色空间下的色调信息和饱和度信息,确定所述图像的颜色种类数量,其中所述图像的每种颜色种类对应的像素单元数量大于噪声阈值。
14.如权利要求13所述的摄像头遮挡检测系统,其特征在于,所述色调被划分为8-16个等级,所述饱和度被划分为8个等级。
15.如权利要求13所述的摄像头遮挡检测系统,其特征在于,所述噪声阈值大于等于0,小于等于所述图像的像素单元总数量的1%。
16.如权利要求13所述的摄像头遮挡检测系统,其特征在于,所述遮挡临界阈值为颜色种类总数量的20%-30%,其中,所述颜色种类总数量为所述色调等级数量和所述饱和度等级数量的乘积。
17.如权利要求12所述的摄像头遮挡检测系统,其特征在于,所述图像各像素单元的颜色信息还包括:
图像各像素单元在HSV颜色空间下的明度信息。
18.如权利要求11所述的摄像头遮挡检测系统,其特征在于,所述图像各像素单元包括:所述图像的每个像素点或每个像素块。
19.如权利要求11所述的摄像头遮挡检测系统,其特征在于,所述图像各像素单元的颜色信息包括:
图像各像素单元在RGB颜色空间下的红、绿、蓝三色信息。
20.如权利要求19所述的摄像头遮挡检测系统,其特征在于,所述统计模块进一步包括等级划分单元和颜色种类确定单元;
所述等级划分单元用于将RGB颜色空间下的红、绿、蓝三色分别划分为多个等级,每种等级的红、绿、蓝分别对应一种颜色种类;
所述颜色种类确定单元用于根据所述图像各像素单元在RGB颜色空间下的红、绿、蓝三色信息,确定所述图像的颜色种类数量,其中所述图像的每种颜色种类对应的像素单元数量大于噪声阈值。
21.一种摄像头遮挡检测装置,包括处理器,其特征在于,所述处理器用于执行如权利要求1~10任一项所述的方法。
22.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1~10任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811464970.1A CN111275658A (zh) | 2018-12-03 | 2018-12-03 | 一种摄像头遮挡检测的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811464970.1A CN111275658A (zh) | 2018-12-03 | 2018-12-03 | 一种摄像头遮挡检测的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111275658A true CN111275658A (zh) | 2020-06-12 |
Family
ID=71001351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811464970.1A Pending CN111275658A (zh) | 2018-12-03 | 2018-12-03 | 一种摄像头遮挡检测的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275658A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967345A (zh) * | 2020-07-28 | 2020-11-20 | 国网上海市电力公司 | 一种实时判定摄像头遮挡状态的方法 |
CN112422953A (zh) * | 2020-10-22 | 2021-02-26 | 深圳云天励飞技术股份有限公司 | 一种识别摄像头是否被遮挡的方法、装置及终端设备 |
CN112637552A (zh) * | 2020-11-24 | 2021-04-09 | 深圳市宇虹飞科技有限公司 | 一种安防视频信号传输系统 |
CN112929604A (zh) * | 2021-01-27 | 2021-06-08 | 河北科迪新能源科技有限公司 | 一种办公室图像采集管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090263013A1 (en) * | 2008-04-16 | 2009-10-22 | Omnivision Technologies, Inc. | Apparatus, system, and method for skin tone detection in a cmos image sensor |
CN102231223A (zh) * | 2011-06-02 | 2011-11-02 | 深圳中兴力维技术有限公司 | 一种用于摄像机的异物遮挡告警方法 |
CN105744268A (zh) * | 2016-05-04 | 2016-07-06 | 深圳众思科技有限公司 | 摄像头遮挡检测方法及装置 |
CN107347151A (zh) * | 2016-05-04 | 2017-11-14 | 深圳众思科技有限公司 | 双目摄像头遮挡检测方法及装置 |
CN108347601A (zh) * | 2018-03-19 | 2018-07-31 | 云丁网络技术(北京)有限公司 | 视频遮挡的检测方法及相关设备 |
-
2018
- 2018-12-03 CN CN201811464970.1A patent/CN111275658A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090263013A1 (en) * | 2008-04-16 | 2009-10-22 | Omnivision Technologies, Inc. | Apparatus, system, and method for skin tone detection in a cmos image sensor |
CN102231223A (zh) * | 2011-06-02 | 2011-11-02 | 深圳中兴力维技术有限公司 | 一种用于摄像机的异物遮挡告警方法 |
CN105744268A (zh) * | 2016-05-04 | 2016-07-06 | 深圳众思科技有限公司 | 摄像头遮挡检测方法及装置 |
CN107347151A (zh) * | 2016-05-04 | 2017-11-14 | 深圳众思科技有限公司 | 双目摄像头遮挡检测方法及装置 |
CN108347601A (zh) * | 2018-03-19 | 2018-07-31 | 云丁网络技术(北京)有限公司 | 视频遮挡的检测方法及相关设备 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967345A (zh) * | 2020-07-28 | 2020-11-20 | 国网上海市电力公司 | 一种实时判定摄像头遮挡状态的方法 |
CN111967345B (zh) * | 2020-07-28 | 2023-10-31 | 国网上海市电力公司 | 一种实时判定摄像头遮挡状态的方法 |
CN112422953A (zh) * | 2020-10-22 | 2021-02-26 | 深圳云天励飞技术股份有限公司 | 一种识别摄像头是否被遮挡的方法、装置及终端设备 |
CN112422953B (zh) * | 2020-10-22 | 2023-03-03 | 深圳云天励飞技术股份有限公司 | 一种识别摄像头是否被遮挡的方法、装置及终端设备 |
CN112637552A (zh) * | 2020-11-24 | 2021-04-09 | 深圳市宇虹飞科技有限公司 | 一种安防视频信号传输系统 |
CN112929604A (zh) * | 2021-01-27 | 2021-06-08 | 河北科迪新能源科技有限公司 | 一种办公室图像采集管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111275658A (zh) | 一种摄像头遮挡检测的方法和系统 | |
US7426296B2 (en) | Human skin tone detection in YCbCr space | |
CN105574839B (zh) | 一种图像的处理方法和装置 | |
CN106651797B (zh) | 一种信号灯有效区域的确定方法和装置 | |
CN111368819B (zh) | 光斑检测方法和装置 | |
CN111385640B (zh) | 视频封面的确定方法、装置、设备及存储介质 | |
CN107240092A (zh) | 一种图像模糊度检测方法及装置 | |
CN111368587B (zh) | 场景检测方法、装置、终端设备及计算机可读存储介质 | |
CN110458789B (zh) | 一种图像清晰度评测方法、装置及电子设备 | |
CN111369486A (zh) | 一种图像融合处理方法及装置 | |
CN109286758A (zh) | 一种高动态范围图像的生成方法、移动终端及存储介质 | |
CN111310727A (zh) | 对象检测方法及装置、存储介质、电子装置 | |
US20230049656A1 (en) | Method of processing image, electronic device, and medium | |
CN111311500A (zh) | 一种对图像进行颜色还原的方法和装置 | |
CN113705332A (zh) | 检测车载终端摄像头遮挡的方法和装置、车载终端、车辆 | |
CN113989531A (zh) | 一种图像处理方法、装置、计算机设备和存储介质 | |
CN102724541A (zh) | 一种监控影像智能诊断恢复方法 | |
CN110569840A (zh) | 目标检测方法及相关装置 | |
CN110136085B (zh) | 一种图像的降噪方法及装置 | |
CN111970501A (zh) | 纯色场景ae色彩处理方法、装置、电子设备及存储介质 | |
CN111970451B (zh) | 图像处理方法、图像处理装置及终端设备 | |
CN115601606B (zh) | 一种门店状态检测方法、装置、设备及存储介质 | |
CN109543678B (zh) | 敏感图像鉴别方法及装置 | |
CN117392009B (zh) | 图像自动透雾处理方法、系统、终端及存储介质 | |
CN112149520B (zh) | 一种多目标管理方法、系统及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200612 |